Article Per Year (5 Year)
p-Index From 2021 - 2026
2.906
P-Index
This Author published in this journals
All Journal JOURNAL OF APPLIED INFORMATICS AND COMPUTING SINTECH (Science and Information Technology) Journal JSiI (Jurnal Sistem Informasi) Jurnal Telematika Jurnal Informatika Global EDUMATIC: Jurnal Pendidikan Informatika Generation Journal Abdimasku : Jurnal Pengabdian Masyarakat Jurnal UNITEK Jurnal Algoritma Jurnal Masyarakat Madani Indonesia Jurnal Inovasi Pendidikan dan Teknologi Informasi (JIPTI) AL-UMRON: Jurnal Pengabdian kepada Masyarakat The Indonesian Journal of Computer Science
Sanjaya, Ucta Pradema
Unknown Affiliation
Humanities Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Health Professions Industrial & Manufacturing Engineering Public Health Social Sciences Other

Published : 18 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 18 Documents
Search

 1   2 
Pelatihan Pengelolaan Website untuk Guru SD Negeri 5 Lerep Kabupaten Semarang Mujiyono, Sri; Sanjaya, Ucta Pradema; Wibisono, Iwan Setiawan; Rizqi, Hesti Yunitiara
Jurnal Masyarakat Madani Indonesia Vol. 4 No. 2 (2025): Mei
Publisher : Alesha Media Digital

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59025/7n11gm95

Abstract

Transformasi digital dalam pendidikan menjadi kebutuhan mendesak di era akselerasi teknologi, namun keterbatasan literasi teknis di kalangan pendidik dan peserta didik menghambat optimalisasi infrastruktur yang tersedia. Studi kasus di SD Negeri 5 Lerep menunjukkan absennya platform digital resmi sebagai sarana penunjang pembelajaran, padahal website dapat menjadi ekosistem dinamis untuk kolaborasi dan interaksi tanpa batas geografis. Minimnya keterampilan teknis guru menyebabkan potensi transformatif teknologi terabaikan, sehingga diperlukan solusi strategis seperti pelatihan intensif pembuatan website. Program Pengabdian kepada Masyarakat (PkM) dirancang untuk mengubah pendidik dari konsumen pasif menjadi arsitek konten digital, membangun identitas digital sekolah, dan menciptakan ekosistem belajar yang adaptif dan personal. Kegiatan PkM ini berhasil mengembangkan website berbasis WordPress dengan pendekatan hybrid, menggabungkan metode waterfall dan agile, serta fitur seperti drag-and-drop builder dan plugin LearnDash. Hasilnya, terbentuk portal yang tidak hanya memfasilitasi administrasi terpusat, tetapi juga membuka kanal komunikasi transparan antara guru, orang tua, dan murid. Portal aktif SD Negeri 5 Lerep menjadi model replikabel untuk institusi pendidikan dengan keterbatasan serupa, menciptakan jejaring kolaboratif berkelanjutan yang mendorong revolusi cara berpikir dalam pendidikan.
Algoritma K-Means untuk Mengelompokkan Tingkat Pengangguran Terbuka (TPT) menurut Provinsi di Indonesia Saputra, Agus Bima; Sanjaya, Ucta Pradema; Sa’ida, Ita Aristia
Jurnal Ilmiah Informatika Global Vol. 15 No. 2: Agustus 2024
Publisher : UNIVERSITAS INDO GLOBAL MANDIRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36982/jiig.v15i2.4359

Abstract

Unemployment is one of the main problems faced by many countries, including Indonesia. The Open Unemployment Rate (OER) is an important indicator used to measure the amount of labor force that is not absorbed in the labor market. This research aims to Cluster the provinces in Indonesia based on unemployment rate and school enrollment rate, so as to provide a clearer picture of the distribution of unemployment in different regions: The study identified three main Clusters: Cluster 1: Provinces with high unemployment rates. Cluster 2: Provinces with a medium unemployment rate. Cluster 3: Provinces with low unemployment rates. Distribution: The Clustering results show that 13 provinces are included in Cluster 1, 18 provinces in Cluster 2, and 3 provinces in Cluster 3. This study found that the K-Means algorithm is effective in Clustering provinces based on TPT and school enrollment rates. The Clustering results show significant variation between provinces, with some provinces having higher unemployment rates and lower school enrollment than others.This study successfully Clustered Indonesian provinces based on unemployment and school enrollment rates using the K-Means algorithm. The Clustering results provide valuable insights into the distribution of unemployment in Indonesia and can be used as a basis for more effective policy making.
Binary Classification for Predicting the Investment Trends of The Younger Generation Based on Machine Learning Oktana, Weka Brilliant Jaya; Sanjaya, Ucta Pradema
Journal of Applied Informatics and Computing Vol. 9 No. 6 (2025): December 2025
Publisher : Politeknik Negeri Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30871/jaic.v9i6.11549

Abstract

This computational study examines investment behavior patterns among a specialized cohort of 115 final year and thesis writing university students, implementing sophisticated feature engineering to transform categorical survey responses into quantifiable financial metrics. The research methodology leverages this unique dataset where respondents' advanced academic standing provides particularly relevant insights into near-term investment decisions. Experimental outcomes reveal distinct algorithmic performance patterns: Random Forest achieved 69.6% accuracy in multi-class classification with weighted averages of 0.662 precision, 0.696 recall, and 0.678 F1-score, while Logistic Regression demonstrated superior binary classification capability with 82.6% accuracy, supported by 0.818 precision, 0.826 recall, and 0.814 F1-score (weighted averages). The hybrid architecture integrating machine learning with business rules achieved peak performance of 85.2% accuracy, successfully balancing predictive power with operational interpretability. These findings underscore how strategically engineered features combined with a carefully selected respondent pool can effectively decode complex financial behaviors, providing financial institutions with actionable frameworks for developing targeted investment solutions for the graduate student demographic while advancing methodological approaches for specialized survey data in fintech applications.
Pendampingan Penerapan E-Learning Interaktif Untuk Meningkatkan Literasi Digital Guru Dan Siswa Di SMA Negeri 1 Susukan Mujiyono, Sri; Rohman, Abdul; Pratama, Ade; Sanjaya, Ucta Pradema; Suryani, Ela
Jurnal Masyarakat Madani Indonesia Vol. 5 No. 1 (2026): Februari
Publisher : Alesha Media Digital

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59025/f6s7gr46

Abstract

Perkembangan teknologi dalam dunia pendidikan menuntut guru dan siswa memiliki kemampuan literasi digital yang kuat, khususnya dalam penggunaan e-learning sebagai sarana pembelajaran. Kegiatan pengabdian ini bertujuan memberikan pendampingan penggunaan e-learning interaktif bagi 15 guru dan 40 siswa di SMA Negeri 1 Susukan untuk meningkatkan keterampilan mereka dalam mengakses, mengolah, serta memanfaatkan teknologi pembelajaran digital. Pelaksanaan kegiatan dilakukan melalui tahap observasi awal, pelatihan penggunaan platform e-learning interaktif, pendampingan praktik, serta evaluasi melalui pre-test dan post-test. Hasil pelaksanaan menunjukkan peningkatan rata-rata skor sebesar 34,4 poin pada guru (dari 48,2 menjadi 82,6) dan 31,4 poin pada siswa (dari 48,7 menjadi 80,1) pada skala 0-100. Terjadi peningkatan yang signifikan dalam pemahaman guru dan siswa terhadap berbagai fitur e-learning, seperti pembuatan kelas virtual, penyampaian materi interaktif, pemberian tugas, dan evaluasi berbasis online. Selain itu, peserta mengalami peningkatan literasi digital terkait kemampuan mengakses informasi, mengelola data, serta menggunakan teknologi untuk mendukung proses belajar mengajar, dengan 90% guru dan 85% siswa menyatakan peningkatan kepercayaan diri dan kemandirian belajar. Secara keseluruhan, program pendampingan ini terbukti efektif dalam meningkatkan kompetensi digital guru dan siswa serta memperkuat penerapan pembelajaran berbasis teknologi di sekolah.
Penyuluhan Inovatif: Talent Management dan AI Digital Brainstorming sebagai Upaya Pembentukan Kepribadian Unggul Peserta Didik MA Darul Ma’arif Pringapus Nurcahyo, Satria Avianda; Ali, Ahmad; Sanjaya, Ucta Pradema; Priyanto, Priyanto; Widagdo, Teguh Harso; Kustiyono, Kustiyono; Ramadhani, Noor Laila; Sundari, Pipit; Indraningtyas, Yeni
ABDIMASKU : JURNAL PENGABDIAN MASYARAKAT Vol 9, No 1 (2026): JANUARI 2026
Publisher : LPPM UNIVERSITAS DIAN NUSWANTORO

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/ja.v9i1.3154

Abstract

Kegiatan pengabdian kepada masyarakat ini bertujuan untuk meningkatkan pemahaman dan keterampilan peserta didik MA Darul Ma’arif Pringapus dalam mengelola potensi diri melalui penerapan Talent Management dan teknologi AI Digital Brainstorming sebagai sarana pembentukan kepribadian unggul. Latar belakang kegiatan ini berangkat dari tantangan dunia pendidikan modern yang menuntut generasi muda untuk memiliki kepribadian adaptif, kreatif, dan berdaya saing di era digital. Metode pelaksanaan meliputi penyuluhan interaktif, simulasi penggunaan AI brainstorming tools, serta pendampingan personal dalam mengidentifikasi bakat dan minat peserta didik. Hasil kegiatan menunjukkan peningkatan signifikan dalam kemampuan peserta memahami konsep talent mapping, berpikir kritis, serta mengoptimalkan teknologi digital untuk pengembangan diri. Peserta didik juga menunjukkan antusiasme tinggi terhadap penerapan teknologi kecerdasan buatan sebagai sarana eksplorasi ide dan pemecahan masalah secara inovatif. Kegiatan ini memberikan dampak positif terhadap pembentukan karakter mandiri, percaya diri, serta tangguh menghadapi perubahan. Dengan demikian, penyuluhan inovatif berbasis Talent Management dan AI Digital Brainstorming menjadi langkah strategis dalam menyiapkan peserta didik berkepribadian unggul di lingkungan pendidikan madrasah.Kata kunci: penyuluhan inovatif, talent management, AI digital brainstorming, kepribadian unggul, peserta didik
Opinion Mining of Pedometer Application Reviews on Google Play Store Using Fine-Tuned IndoBERT-Base Primono, Anggi; Sanjaya, Ucta Pradema
Journal of Applied Informatics and Computing Vol. 10 No. 1 (2026): February 2026
Publisher : Politeknik Negeri Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30871/jaic.v10i1.12184

Abstract

User reviews on the Google Play Store provide valuable insights into user satisfaction and application performance. However, manual analysis of these reviews is inefficient due to large data volume and the informal characteristics of the Indonesian language. This study proposes an opinion mining approach using a fine-tuned IndoBERT-Base model to classify user sentiments into three classes: positive, neutral, and negative. A total of 1,665 reviews of a Pedometer application were collected, with 1,636 reviews retained after preprocessing. The dataset was divided into training, validation, and test sets using stratified sampling to preserve class distribution. Experimental results show that the proposed model achieves an accuracy of 94.51% and a weighted F1-score of 0.93 on the test set. Despite strong overall performance, the results indicate that class imbalance significantly affects the classification of neutral and negative sentiments. Error analysis reveals that ambiguous expressions and limited samples in minority classes remain challenging for the model. This study demonstrates that fine-tuned IndoBERT-Base is effective for sentiment analysis of Indonesian mobile application reviews while highlighting the importance of addressing imbalanced data in opinion mining tasks.
ANALISIS SENTIMEN TERHADAP INFLUENCER MENGGUNAKAN LSTM DAN SVM (LINIER SVC) PADA KOMENTAR PLATFORM X Buulolo, Ginna Anggriani; Sanjaya, Ucta Pradema
Jurnal Inovasi Pendidikan dan Teknologi Informasi (JIPTI) Vol. 7 No. 1 (2026): Jurnal Inovasi Pendidikan dan Teknologi Informasi (JIPTI)
Publisher : Information Technology Education Department

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52060/jipti.v7i1.4009

Abstract

Social media platform X has become an important platform for influencers in shaping public opinion, but user comments are generally unstructured and use informal language, and have diverse sentiments that are difficult to analyze. This study aims to classify sentiment towards influencers on the X platform and compare the performance of the Deep Learning LSTM model and the Classic Machine Learning SVM model. Using 8,252 comments that have undergone text pre-processing. To overcome class imbalance, the BiLSTM model uses FastText embedding and Focal Loss, while the SVM model applies SMOTE oversampling. Performance is evaluated using accuracy and F1-macro, and the differences are tested using the McNemar test. The results show that BiLSTM achieves an accuracy of 0.68 and an F1-macro of 0.66, slightly higher than SVM (accuracy 0.67; F1-macro 0.65). However, the McNemar test indicated that the difference was not significant (p > 0.05). These findings imply that SVM remains a viable alternative for efficient short text classification on limited computational resources, while BiLSTM provides a slight improvement. The limitations of this study lie in the scope of data, which is restricted by keywords and the time range of collection, so generalization to other domains requires further study. The novelty of this study lies in the comprehensive comparison of the two approaches to informal influencer comments with different imbalance handling strategies. Keywords: FastText; Focal Loss; Influencer; LSTM; SVM.
Analisis Sentimen Ulasan Google Maps Kuliner di Bojonegoro Menggunakan Metode Naïve Bayes Fauziyah, Dewi Nur; Sanjaya, Ucta Pradema; Anggraini, Fetrika
The Indonesian Journal of Computer Science Vol. 12 No. 4 (2023): The Indonesian Journal of Computer Science
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v12i4.3319

Abstract

Sentiment analisis merupakan proses menganalisa yang berhubungan dengan sebuah konten atau produk. Analisa terserbut berdasarkan hal hal yang di rasakan oleh seseorang secara subyektif dalam merasakannya. Pada umumnya sentiment analisis ini di tulis oleh penguna dunia maya yang digunakan untuk informasi berdasarkan ulasan atau postingan. Text mining dan Natural language Processing sebuah bidang yang mempunyai irisan yang sama dalam bidang kecerdasan buatan. Ini sangat membantu seseorang dalam mencari nilai sebuah ulasan yang ditulis oleh seseorang memiliki nilai positif atau negative bahkan bisa di nilai netral. Dalam penelitian ini meneliti ulasan usaha kuliner di bojonegoro berdasaran data yang ada di google maps. Untuk metode klasifikasi mengunakan naïve bayes yang pada dasarnya mengunakan penilaian peluang pada setiap atributnya dan di evaluasi dengan confusion matrix. Hasil yang didapatkan dari penelitian ini mendapatkan nilai akurasi 90,28% recall 90,28% dan presisi 89.89%
Co-Authors Abdul Rohman Ade Pratama Ade Pratama Ahmad Ali Ais, Salma Rihadatul Buulolo, Ginna Anggriani Damayanti, Hevi Alvina Diah Anggraini, Diah Dirgantoro, Guruh Putro Ela Suryani Fauziyah, Dewi Nur Fetrika Anggraini, Fetrika Heni Setyowati Hesti Yunitiara Rizqi Hevi Alvina Damayanti Ilhamy, Rifqi Syahrul Indraningtyas, Yeni Irsyada, Rahmat Ita Aristia Sa'ida Iwan Setiawan Wibisono Kustiyono Kustiyono Nita Cahyani Noor Laila Ramadhani Oktana, Weka Brilliant Jaya Prastya, Ifnu Wisma Dwi Pribadi , Teguh Primono, Anggi Priyanto Priyanto Saputra, Agus Bima Satria Avianda Nurcahyo Sri Mujiyono Sundari, Pipit Wibisono, Bagas Widagdo, Teguh Harso Zakki Alawi Zayn, Afta Ramadhan